答案：pd.concat()是pandas中用于合并DataFrame或Series的函数，可沿指定轴进行纵向或横向拼接。1. 基本作用：实现数据结构的上下叠加或左右拼接，支持外连接与内连接；2. 核心参数包括objs、axis、join、ignore_index和keys；3. 实际应用中需注意索引重复、列名不一致导致的NaN值及内存消耗问题。
Python 中并没有直接叫做 concat 的内置函数，但通常提到“concat函数”，大家指的是 pandas 库中的 pd.concat() 函数，用于数据的合并操作。这个函数在数据处理中非常常用，尤其是在合并多个 DataFrame 或 Series 时。
1. pd.concat() 的基本作用
pd.concat() 用来沿指定轴（行或列）将多个数据结构拼接在一起。它可以实现类似 SQL 中的 UNION 操作，也支持横向拼接。
常见用途包括：
- 纵向合并多个表格（按行叠加）
- 横向合并多个表格（按列拼接）
- 合并时间序列数据
2. 基本语法和参数说明
核心语法：pd.concat(objs, axis=0, join='outer', ignore_index=False, keys=None)
立即学习“Python免费学习笔记（深入）”；
- objs：要合并的对象列表，如 [df1, df2]
- axis：0 表示按行合并（默认），1 表示按列合并
- join：'outer'（外连接，保留所有列）或 'inner'（内连接，只保留共同列）
- ignore_index：是否忽略原始索引，重新生成从 0 开始的索引
- keys：给每个被合并的数据打标签，便于区分来源
3. 实际使用示例
假设我们有两个 DataFrame：
import pandas as pd
df1 = pd.DataFrame({'A': [1, 2], 'B': [3, 4]})
df2 = pd.DataFrame({'A': [5, 6], 'B': [7, 8]})
result = pd.concat([df1, df2], axis=0)
结果是两个表上下拼接，共 4 行。
如果想左右拼接：
df3 = pd.DataFrame({'C': [9, 10]})
result = pd.concat([df1, df3], axis=1)
结果是列合并，A、B、C 并排显示。
4. 常见注意事项
- 注意索引重复问题，必要时使用 ignore_index=True
- 列名不一致时，默认使用 outer join，缺失值填充为 NaN
- 大数据合并时关注内存使用
